はてなキーワード: パラメトリックとは
その中で、自分は統計学が好きでマニアックなところまで勉強しているので、ミーティングでどうしてもムズムズするところがある。
両側検定じゃなくて片側検定だろ、とか試行回数何回くらいまでじゃないと近似できないだろだとか。
パラメトリック検定ならこうやる、ノンパラメトリック検定ならこうだなとか。
正直、周りのエンジニアにとったらそれっぽい値が欲しいだけで焦点は製品の中身にあるわけ。
細かく言うと第一種の誤りを犯さなければ第二種の誤りはそこまで気にしないわけ。
だから話し合いの途中に検定方法の細かい突っ込みをしても「自分はわかってますよアピールうぜー」としか思われないだろうし本題から脱線するだけで誰も幸せにならない。
口を挟むわけにはいかない。でも自分は凄く気になる。気になって仕方がない。
あぁモヤモヤする。
Eカップを例にとる。
B:AV女優
とすると
P(E|A) = 0.1
P(E|B) = 0.19
となる。
全女性に対するAV女優の割合は、適当にググったところ0.4%とからしい。めんどくさいんで0.5%とすると
P(A) = 0.995
P(B) = 0.005
だ。これらをベイズの定理に代入すると
p(B|E) = P(E|B)P(B)/(P(E|A)P(A) + P(E|B)P(B)) = 0.0095 = 0.95%
となって、若干確率が上昇することがわかる。
ちなみに、より極端な場合でGカップを例にとると
p(B|G) = 5.6%
となって、10倍くらいになるね!
ベイズのいい練習になった
【追記】
実際は、観測データのヒストグラムから分布関数を推定する問題をまず初めに解く必要があると思う。
どうもあなたのバックグラウンドがよくわからない。
まぁ基本的な線形(偏)微分方程式をフーリエ級数等の直交系で展開して解析するくらいなら余裕だけど、それだけじゃどうにもならないんですよ。統計的予測だってパラメトリック分布で最尤推定するくらいならいいけど、隠れマルコフモデルを変分ベイズ法で扱うなんて話まで半年でできるほど頭良くないんです。
それだけわかってるなら変分ベイズ法なんて難しいことは少しもないように思うけれど。所詮、統計的モデルを推定してるだけの話だし、変分法ってのはパラメータが無限次元になっただけだと思えばいい(実際そうだが)んだから。
そんなのは管理職になって技術上の第一線を離れてからでいいと思うけれど。
資金の流れがわからなければ投資はできないし、
投資なんてする必要ないでしょう。せいぜい国債でも買っておけばいい。金融工学の入門書を読んでみた感想としていうのだけれど、理論にぶち込むべきデータを収集するだけでも大変だし、あの理論はだいぶ仮定が乱暴なので現実に合わせようと思えばその都度の手修正が必要だし、いずれにしても素人が下手に手出しをすると火傷するだけだと思った。あんまりそんなに何でもかんでも手を出して器用貧乏にならない方がいいと思いますよ。
敢えてマジレスするなら、最適化とか微分方程式とか統計的予測とかプログラミングとかアルゴリズムなんてのは大学学部半期分ぐらいの内容だからすぐマスターできるはずだし
いやあ、それをすぐマスターできるほど俺頭良くないんですよ。まぁ基本的な線形(偏)微分方程式をフーリエ級数等の直交系で展開して解析するくらいなら余裕だけど、それだけじゃどうにもならないんですよ。統計的予測だってパラメトリック分布で最尤推定するくらいならいいけど、隠れマルコフモデルを変分ベイズ法で扱うなんて話まで半年でできるほど頭良くないんです。プログラムやアルゴリズムはごく最近始めたばかりなんでやってるんですが。
経済と金融は勉強すべきだと思いますがね。財務諸表を読めないようじゃビジネスする上で話にならないし、仮に証券会社がまともになったとしても、学生に毛が生えた程度のイケイケドンドンの営業マンのコンサルティング(笑)に手数料払うなんて馬鹿げてますよ。資金の流れがわからなければ投資はできないし、産業の動向が読めなければ自分の仕事をどういう方向に進めていくかを決める際に支障がでます(例えば、現状で半導体産業に手を出してしまったりしかねない)。まぁそれらを全てフォローした上で、数理経済学の専門的な部分までは勉強する必要は無い、と言うのであればその通りだと思います。